5 NN和2NN（面试开发重点）
5.1 NN和2NN工作机制
思考：NameNode中的元数据是存储在哪里的？
首先，我们做个假设，如果存储在NameNode节点的磁盘中，因为经常需要进行随机访问，
还有响应客户请求，必然是效率过低。因此，元数据需要存放在内存中。
但如果只存在内存中，一旦断电，元数据丢失，整个集群就无法工作了。因此产生在磁盘中备份元数据的FsImage。
这样又会带来新的问题，当在内存中的元数据更新时，如果同时更新FsImage，就会导致效率过低，
但如果不更新，就会发生一致性问题，一旦NameNode节点断电，就会产生数据丢失。
因此，引入Edits文件(只进行追加操作，效率很高)。每当元数据有更新或者添加元数据时，修改内存中的元数据并追加到Edits中。
这样，一旦NameNode节点断电，可以通过FsImage和Edits的合并，合成元数据。
但是，如果长时间添加数据到Edits中，会导致该文件数据过大，效率降低，而且一旦断电，恢复元数据需要的时间过长。
因此，需要定期进行FsImage和Edits的合并，如果这个操作由NameNode节点完成，又会效率过低。
因此，引入一个新的节点SecondaryNamenode，专门用于FsImage和Edits的合并。
内存中保存元数据
防止内存中的数据丢失-FsImage
提高效率-Edits
降低Namenode合并压力-SecondaryNamenode
1.第一阶段：NameNode启动
- （1）第一次启动NameNode
格式化后，创建Fsimage和Edits文件。如果不是第一次启动，直接加载编辑日志和镜像文件到内存。 - （2）客户端对元数据进行增删改的请求。
- （3）NameNode记录操作日志，更新滚动日志。
- （4）NameNode在内存中对元数据进行增删改。
2.第二阶段：Secondary NameNode工作
- （1）Secondary NameNode询问NameNode是否需要
CheckPoint。直接带回NameNode是否检查结果。 - （2）Secondary NameNode请求执行CheckPoint。
- （3）NameNode滚动正在写的Edits日志。
- （4）将滚动前的
编辑日志和镜像文件拷贝到Secondary NameNode。 - （5）Secondary NameNode
加载编辑日志和镜像文件到内存，并合并。 - （6）生成新的镜像文件
fsimage.chkpoint。 - （7）
拷贝fsimage.chkpoint到NameNode。 - （8）NameNode将fsimage.chkpoint
重新命名成fsimage。
NN和2NN工作机制详解：
Fsimage：NameNode内存中元数据序列化后形成的文件。
Edits：记录客户端更新元数据信息的每一步操作（可通过Edits运算出元数据）。
NameNode启动时，先滚动Edits并生成一个空的edits.inprogress，然后加载Edits和Fsimage到内存中，此时NameNode内存就持有最新的元数据信息。
Client开始对NameNode发送元数据的增删改的请求，这些请求的操作首先会被记录到edits.inprogress中（查询元数据的操作不会被记录在Edits中，
因为查询操作不会更改元数据信息），如果此时NameNode挂掉，重启后会从Edits中读取元数据的信息。
然后，NameNode会在内存中执行元数据的增删改的操作。
由于Edits中记录的操作会越来越多，Edits文件会越来越大，导致NameNode在启动加载Edits时会很慢，
所以需要对Edits和Fsimage进行合并（所谓合并，就是将Edits和Fsimage加载到内存中，照着Edits中的操作一步步执行，最终形成新的Fsimage）。
SecondaryNameNode的作用就是帮助NameNode进行Edits和Fsimage的合并工作。
SecondaryNameNode首先会询问NameNode是否需要CheckPoint（触发CheckPoint需要满足两个条件中的任意一个，定时时间到和Edits中数据写满了）。
直接带回NameNode是否检查结果。SecondaryNameNode执行CheckPoint操作，首先会让NameNode滚动Edits并生成一个空的edits.inprogress，滚动Edits的目的是给Edits打个标记，
以后所有新的操作都写入edits.inprogress，其他未合并的Edits和Fsimage会拷贝到SecondaryNameNode的本地，然后将拷贝的Edits和Fsimage加载到内存中进行合并，
生成fsimage.chkpoint，然后将fsimage.chkpoint拷贝给NameNode，重命名为Fsimage后替换掉原来的Fsimage。NameNode在启动时就只需要加载之前未合并的Edits和Fsimage即可，因为合并过的Edits中的元数据信息已经被记录在Fsimage中。
5.2 Fsimage和Edits解析
1.概念
namenode被格式化之后，将在/opt/module/hadoop-3.1.1/data/tmp/dfs/name/current目录中产生如下文件：
edits_0000000000000000000
fsimage_0000000000000000000.md5
seen_txid
VERSION
- （1）fsimage文件：HDFS文件系统元数据的
一个永久性的检查点，其中包含HDFS文件系统的所有目录和文件idnode的序列化信息。 - （2）Edits文件：存放HDFS文件系统的所有更新操作的路径，文件系统客户端执行的
所有写操作首先会被记录到edits文件中。 - （3）edits文件保存的是一个数字，就是最后一个edits_的数字
- （4）VERSION：nameNode版本信息记录文件
- （5）每次Namenode启动的时候都会将fsimage文件读入内存，并从00001开始到seen_txid中记录的数字依次执行每个edits里面的更新操作，保证内存中的元数据信息是最新的、同步的，可以看成Namenode启动的时候就将fsimage和edits文件进行了合并。
2.oiv查看Fsimage文件
（1）查看oiv和oev命令
[dev1@hadoop102 current]$ hdfs
oiv apply the offline fsimage viewer to an fsimage
oev apply the offline edits viewer to an edits file
（2）基本语法
hdfs oiv -p 文件类型 -i镜像文件 -o 转换后文件输出路径 （3）案例实操
[dev1@hadoop102 current]$ pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs/name/current
[dev1@hadoop102 current]$ hdfs oiv -p XML -i fsimage_0000000000000000025 -o /opt/module/hadoop-3.1.3/fsimage.xml
[dev1@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/fsimage.xml
将显示的xml文件使用浏览器打开显示结果如下。
<inode>
<id>16386</id>
<type>DIRECTORY</type>
<name>user</name>
<mtime>1512722284477</mtime>
<permission>dev1:supergroup:rwxr-xr-x</permission>
<nsquota>-1</nsquota>
<dsquota>-1</dsquota>
</inode>
<inode>
<id>16387</id>
<type>DIRECTORY</type>
<name>dev1</name>
<mtime>1512790549080</mtime>
<permission>dev1:supergroup:rwxr-xr-x</permission>
<nsquota>-1</nsquota>
<dsquota>-1</dsquota>
</inode>
<inode>
<id>16389</id>
<type>FILE</type>
<name>wc.input</name>
<replication>3</replication>
<mtime>1512722322219</mtime>
<atime>1512722321610</atime>
<perferredBlockSize>134217728</perferredBlockSize>
<permission>dev1:supergroup:rw-r--r--</permission>
<blocks>
<block>
<id>1073741825</id>
<genstamp>1001</genstamp>
<numBytes>59</numBytes>
</block>
</blocks>
</inode >
思考：可以看出，Fsimage中没有记录块所对应DataNode，为什么？
在集群启动后，要求DataNode上报数据块信息，并间隔一段时间后再次上报。
3. oev查看Edits文件
（1）基本语法
hdfs oev -p 文件类型 -i编辑日志 -o 转换后文件输出路径 （2）案例实操
[dev1@hadoop102 current]$ hdfs oev -p XML -i edits_0000000000000000012-0000000000000000013 -o /opt/module/hadoop-3.1.3/edits.xml
[dev1@hadoop102 current]$ cat /opt/module/hadoop-3.1.3/edits.xml
将显示的xml文件使用浏览器打开，显示如下。
<?xml version="1.0" encoding="UTF-8"?>
<EDITS>
<EDITS_VERSION>-63</EDITS_VERSION>
<RECORD>
<OPCODE>OP_START_LOG_SEGMENT</OPCODE>
<DATA>
<TXID>129</TXID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ADD</OPCODE>
<DATA>
<TXID>130</TXID>
<LENGTH>0</LENGTH>
<INODEID>16407</INODEID>
<PATH>/hello7.txt</PATH>
<REPLICATION>2</REPLICATION>
<MTIME>1512943607866</MTIME>
<ATIME>1512943607866</ATIME>
<BLOCKSIZE>134217728</BLOCKSIZE>
<CLIENT_NAME>DFSClient_NONMAPREDUCE_-1544295051_1</CLIENT_NAME>
<CLIENT_MACHINE>192.168.1.5</CLIENT_MACHINE>
<OVERWRITE>true</OVERWRITE>
<PERMISSION_STATUS>
<USERNAME>dev1</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>420</MODE>
</PERMISSION_STATUS>
<RPC_CLIENTID>908eafd4-9aec-4288-96f1-e8011d181561</RPC_CLIENTID>
<RPC_CALLID>0</RPC_CALLID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ALLOCATE_BLOCK_ID</OPCODE>
<DATA>
<TXID>131</TXID>
<BLOCK_ID>1073741839</BLOCK_ID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_SET_GENSTAMP_V2</OPCODE>
<DATA>
<TXID>132</TXID>
<GENSTAMPV2>1016</GENSTAMPV2>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_ADD_BLOCK</OPCODE>
<DATA>
<TXID>133</TXID>
<PATH>/hello7.txt</PATH>
<BLOCK>
<BLOCK_ID>1073741839</BLOCK_ID>
<NUM_BYTES>0</NUM_BYTES>
<GENSTAMP>1016</GENSTAMP>
</BLOCK>
<RPC_CLIENTID></RPC_CLIENTID>
<RPC_CALLID>-2</RPC_CALLID>
</DATA>
</RECORD>
<RECORD>
<OPCODE>OP_CLOSE</OPCODE>
<DATA>
<TXID>134</TXID>
<LENGTH>0</LENGTH>
<INODEID>0</INODEID>
<PATH>/hello7.txt</PATH>
<REPLICATION>2</REPLICATION>
<MTIME>1512943608761</MTIME>
<ATIME>1512943607866</ATIME>
<BLOCKSIZE>134217728</BLOCKSIZE>
<CLIENT_NAME></CLIENT_NAME>
<CLIENT_MACHINE></CLIENT_MACHINE>
<OVERWRITE>false</OVERWRITE>
<BLOCK>
<BLOCK_ID>1073741839</BLOCK_ID>
<NUM_BYTES>25</NUM_BYTES>
<GENSTAMP>1016</GENSTAMP>
</BLOCK>
<PERMISSION_STATUS>
<USERNAME>dev1</USERNAME>
<GROUPNAME>supergroup</GROUPNAME>
<MODE>420</MODE>
</PERMISSION_STATUS>
</DATA>
</RECORD>
</EDITS >
思考：NameNode如何确定下次开机启动的时候合并哪些Edits？
5.3 CheckPoint时间设置
（1）通常情况下，SecondaryNameNode每隔一小时执行一次。
[hdfs-default.xml]
<property>
<name>dfs.namenode.checkpoint.period</name>
<value>3600</value>
</property>
（2）一分钟检查一次操作次数，当操作次数达到1百万时，SecondaryNameNode执行一次。
<property>
<name>dfs.namenode.checkpoint.txns</name>
<value>1000000</value>
<description>操作动作次数</description>
</property>
<property>
<name>dfs.namenode.checkpoint.check.period</name>
<value>60</value>
<description> 1分钟检查一次操作次数</description>
</property >
5.4 NameNode故障处理（扩展）
NameNode故障后，可以采用如下两种方法恢复数据。
- 方法一：将SecondaryNameNode中数据拷贝到NameNode存储数据的目录；
1.kill -9 NameNode进程
2.删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/name）
[dev1@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/name/*
3.拷贝SecondaryNameNode中数据到原NameNode存储数据目录
scp -r dev1@hadoop104:/opt/module/hadoop-3.1.3/data/namesecondary/* dev1@hadoop102:/opt/module/hadoop-3.1.3/data/name/
4.重新启动NameNode
[dev1@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode
- 方法二：使用-importCheckpoint选项启动NameNode守护进程，从而将SecondaryNameNode中数据拷贝到NameNode目录中。
1.修改hdfs-site.xml中的
<property>
<name>dfs.namenode.checkpoint.period</name>
<value>120</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/module/hadoop-3.1.3/data/tmp/dfs/name</value>
</property>
2.kill -9 NameNode进程
3.删除NameNode存储的数据（/opt/module/hadoop-3.1.3/data/tmp/dfs/name）
[dev1@hadoop102 hadoop-3.1.3]$ rm -rf /opt/module/hadoop-3.1.3/data/tmp/dfs/name/*
4.如果SecondaryNameNode不和NameNode在一个主机节点上，需要将SecondaryNameNode存储数据的目录拷贝到NameNode存储数据的平级目录，并删除in_use.lock文件
[dev1@hadoop102 dfs]$ scp -r dev1@hadoop104:/opt/module/hadoop-3.1.3/data/tmp/dfs/namesecondary ./
[dev1@hadoop102 namesecondary]$ rm -rf in_use.lock
[dev1@hadoop102 dfs]$ pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs
[dev1@hadoop102 dfs]$ ls
data name namesecondary
5.导入检查点数据（等待一会ctrl+c结束掉）
[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode -importCheckpoint
6.启动NameNode
[dev1@hadoop102 hadoop-3.1.3]$ hdfs --daemon start namenode
5.5 集群安全模式
1.概述
- (1)NameNode启动
Namenode启动时，首先将映像文件（fsimage）载入内存，并执行编辑日志（edits）中的各项操作。
一旦在内存中成功建立文件系统元数据的映像，则创建一个新的fsimage文件和一个空的编辑日志。此时，namenode开始监听datanode请求。
但是此刻，namenode运行在安全模式，即namenode的文件系统对于客户端来说是只读的。 - (2)DataNode启动
系统中的数据块的位置并不是由namenode维护的，而是以块列表的形式存储在datanode中。在系统的正常操作期间，namenode会在内存中保留所有块位置的映射信息。在安全模式下，各个datanode会向namenode发送最新的块列表信息，namenode了解到足够多的块位置信息之后，即可高效运行文件系统。 - (3)安全模式退出
如果满足"最小副本条件"，namenode会在30秒钟之后就退出安全模式。所谓的最小副本条件指的是在整个文件系统中99.9%的块满足最小副本级别
（默认值：dfs.replication.min=1）。
在启动一个刚刚格式化的HDFS集群时，因为系统中还没有任何块，所以namenode不会进入安全模式。
2.基本语法
集群处于安全模式，不能执行重要操作（写操作）。集群启动完成后，自动退出安全模式。
（1）bin/hdfs dfsadmin -safemode get （功能描述：查看安全模式状态）
（2）bin/hdfs dfsadmin -safemode enter （功能描述：进入安全模式状态）
（3）bin/hdfs dfsadmin -safemode leave （功能描述：离开安全模式状态）
（4）bin/hdfs dfsadmin -safemode wait （功能描述：等待安全模式状态）
3.案例
模拟等待安全模式
（1）查看当前模式
[dev1@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -safemode get
Safe mode is OFF
（2）先进入安全模式
[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode enter
（3）创建并执行下面的脚本
在/opt/module/hadoop-3.1.3路径上，编辑一个脚本safemode.sh
[dev1@hadoop102 hadoop-3.1.3]$ touch safemode.sh
[dev1@hadoop102 hadoop-3.1.3]$ vim safemode.sh
添加
#!/bin/bash
hdfs dfsadmin -safemode wait
hdfs dfs -put /opt/module/hadoop-3.1.3/README.txt /
执行
[dev1@hadoop102 hadoop-3.1.3]$ chmod 777 safemode.sh
[dev1@hadoop102 hadoop-3.1.3]$ ./safemode.sh
（4）再打开一个窗口，执行
[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs dfsadmin -safemode leave
（5）观察
（a）再观察上一个窗口
Safe mode is OFF
（b）HDFS集群上已经有上传的数据了。
5.6 NameNode多目录配置
1.NameNode的本地目录可以配置成多个，且每个目录存放内容相同，增加了可靠性 2.具体配置如下
（1）在hdfs-site.xml文件中修改如下内容
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///${hadoop.tmp.dir}/name1,file:///${hadoop.tmp.dir}/name2</value>
</property>
（2）停止集群，删除data和logs中所有数据。
[dev1@hadoop102 hadoop-3.1.3]$ rm -rf data/ logs/
[dev1@hadoop103 hadoop-3.1.3]$ rm -rf data/ logs/
[dev1@hadoop104 hadoop-3.1.3]$ rm -rf data/ logs/
（3）格式化集群并启动。
[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode –format
[dev1@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
（4）查看结果
6 DataNode（面试开发重点）
6.1 DataNode工作机制
DataNode工作机制
- （1）一个数据块在DataNode上以文件形式存储在磁盘上，包括两个文件，一个是数据本身，一个是元数据包括数据块的长度，块数据的校验和，以及时间戳。
- （2）DataNode启动后向NameNode注册，通过后，周期性（1小时）的向NameNode上报所有的块信息。
- （3）心跳是每3秒一次，心跳返回结果带有NameNode给该DataNode的命令如复制块数据到另一台机器，或删除某个数据块。如果超过10分钟没有收到某个DataNode的心跳，则认为该节点不可用。
- （4）集群运行中可以安全加入和退出一些机器。
6.2 数据完整性
思考：如果电脑磁盘里面存储的数据是控制高铁信号灯的红灯信号（1）和绿灯信号（0），
但是存储该数据的磁盘坏了，一直显示是绿灯，是否很危险？
同理DataNode节点上的数据损坏了，却没有发现，是否也很危险，那么如何解决呢？
如下是DataNode节点保证数据完整性的方法。
- （1）当DataNode读取Block的时候，它会计算CheckSum。
- （2）如果计算后的CheckSum，与Block创建时值不一样，说明Block已经损坏。
- （3）Client读取其他DataNode上的Block。
- （4）常见的校验算法 crc（32） md5（128） sha1（160）
- （5）DataNode在其文件创建后周期验证CheckSum
6.3 掉线时限参数设置
需要注意的是hdfs-site.xml 配置文件中的heartbeat.recheck.interval的单位为毫秒，
dfs.heartbeat.interval的单位为秒。
<property>
<name>dfs.namenode.heartbeat.recheck-interval</name>
<value>300000</value>
</property>
<property>
<name>dfs.heartbeat.interval</name>
<value>3</value>
</property>
6.4 服役新数据节点
- 0.需求
随着公司业务的增长，数据量越来越大，原有的数据节点的容量已经不能满足存储数据的需求，需要在原有集群基础上动态添加新的数据节点。 - 1.环境准备
（1）在hadoop104主机上再克隆一台hadoop105主机
（2）修改IP地址和主机名称
（3）删除原来HDFS文件系统留存的文件（/opt/module/hadoop-3.1.3/data和log）
（4）source一下配置文件
[dev1@hadoop105 hadoop-3.1.3]$ source /etc/profile
- 2.服役新节点具体步骤
（1）直接启动DataNode，即可关联到集群
[dev1@hadoop105 hadoop-3.1.3]$ hdfs --daemon start datanode
[dev1@hadoop105 hadoop-3.1.3]$yarn --daemon start nodemanager
需要完成hadoop105的ssh配置，其他节点需要执行ssh-copy-id hadoop105 在hadoop102,hadoop103,hadoop104 分别执行
在hadoop105上执行
# 生成秘钥对
ssh-keygen -t rsa
# 发送公钥
ssh-copy-id hadoop105
ssh-copy-id hadoop102
ssh-copy-id hadoop103
ssh-copy-id hadoop104
（2）如果数据不均衡，可以用命令实现集群的再平衡
[dev1@hadoop102 hadoop-3.1.3]$ sbin/start-balancer.sh
6.5 退役旧数据节点
6.5.1 添加白名单 和 黑名单
添加到白名单的主机节点，都允许访问NameNode，不在白名单的主机节点，都会被直接退出。
添加到黑名单的主机节点，不允许访问NameNode，会在数据迁移后退出。
实际情况下，白名单用于确定允许访问NameNode的DataNode节点，内容配置一般与workers文件内容一致。
黑名单用于在集群运行过程中退役DataNode节点。
配置白名单和黑名单的具体步骤如下：
（1）在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下分别创建whitelist 和blacklist文件
[dev1@hadoop102 hadoop]$ pwd
/opt/module/hadoop-3.1.3/etc/hadoop
[dev1@hadoop102 hadoop]$ touch whitelist
[dev1@hadoop102 hadoop]$ touch blacklist
在whitelist中添加如下主机名称,假如集群正常工作的节点为102 103 104 105
hadoop102
hadoop103
hadoop104
hadoop105
黑名单暂时为空。
（2）在NameNode的hdfs-site.xml配置文件中增加dfs.hosts 和 dfs.hosts.exclude配置
<property>
<name>dfs.hosts</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/whitelist</value>
</property>
<property>
<name>dfs.hosts.exclude</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/blacklist</value>
</property>
（3）配置文件分发
[dev1@hadoop102 hadoop]$ xsync hdfs-site.xml
（4）重新启动集群
[dev1@hadoop102 hadoop-3.1.3]$ stop-dfs.sh
[dev1@hadoop102 hadoop-3.1.3]$ start-dfs.sh
注意: 因为workers中没有配置105,需要单独在105启动DN
（5）在web端查看目前正常工作的DN节点
6.5.2 黑名单退役
（1）准备使用黑名单退役105
编辑blacklist文件，添加105
[dev1@hadoop102 hadoop] vim blacklist
hadoop105
（2）刷新NameNode
[dev1@hadoop102 hadoop] hdfs dfsadmin -refreshNodes
（3）在web端查看DN状态，105 正在退役中…进行数据的迁移
（4）如果105也启动的NodeManager，也可以刷新yarn状态。【可选查看】
[dev1@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes
6.5.3 白名单退役[不推荐]
白名单退役会直接将节点抛弃，没有迁移数据的过程，会造成数据丢失。
（1）删除blacklist的中的内容，恢复 102 103 104 105 正常工作，如图
（2）修改whitelist，将105删除,保留102 103 104
[dev1@hadoop102 hadoop]$ vim whitelist
修改
hadoop102
hadoop103
hadoop104
（3）刷新NameNode
[dev1@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes
（4）web端查看，发现105节点直接从集群列表中丢弃
6.6 Datanode多目录配置
1.DataNode也可以配置成多个目录，每个目录存储的数据不一样。即：数据不是副本 2.具体配置如下
（1）在hdfs-site.xml中修改如下内容:
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///${hadoop.tmp.dir}/data1,file:///${hadoop.tmp.dir}/data2</value>
</property>
（2）停止集群，删除data和logs中所有数据。
[dev1@hadoop102 hadoop-3.1.3]$ rm -rf data/ logs/
[dev1@hadoop103 hadoop-3.1.3]$ rm -rf data/ logs/
[dev1@hadoop104 hadoop-3.1.3]$ rm -rf data/ logs/
（3）格式化集群并启动。
[dev1@hadoop102 hadoop-3.1.3]$ bin/hdfs namenode –format
[dev1@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
（4）查看结果
7 小文件存档
1.HDFS存储小文件弊端
每个文件均按块存储，每个块的元数据存储在NameNode的内存中，因此HDFS存储小文件会非常低效。
因为大量的小文件会耗尽NameNode中的大部分内存。但注意，存储小文件所需要的磁盘容量和数据块的大小无关。
例如，一个1MB的文件设置为128MB的块存储，实际使用的是1MB的磁盘空间，而不是128MB。
2.解决存储小文件办法之一
HDFS存档文件或HAR文件，是一个更高效的文件存档工具，它将文件存入HDFS块，在减少NameNode内存使用的同时，允许对文件进行透明的访问。
具体说来，HDFS存档文件对内还是一个一个独立文件，对NameNode而言却是一个整体，减少了NameNode的内存。
3.案例实操
（1）需要启动YARN进程
[dev1@hadoop102 hadoop-3.1.3]$ start-yarn.sh
（2）归档文件
把/user/dev1/input目录里面的所有文件归档成一个叫input.har的归档文件，并把归档后文件存储到/user/dev1/output路径下。
[dev1@hadoop102 hadoop-3.1.3]$ bin/hadoop archive -archiveName input.har –p /user/dev1/input /user/dev1/output
（3）查看归档
[dev1@hadoop102 hadoop-3.1.3]$ hadoop fs -lsr /user/dev1/output/input.har
[dev1@hadoop102 hadoop-3.1.3]$ hadoop fs -lsr har:///user/dev1/output/input.har
（4）解归档文件
[dev1@hadoop102 hadoop-3.1.3]$ hadoop fs -cp har:/// user/dev1/output/input.har/* /user/dev1
